一种自适应肤色检测算法研究

本文提出了一种新的基于自适应阈值的肤色检测方法.与广泛使用的直方图固定阈值法相比较.本文方法能在不同的复杂背景下选择出最佳的阈值.引进了肤色概率分布直方图（SPDH）概念,并提出辅助搜寻最佳阈值的候选阈值,并训练了ANN分类器.同时,为了消除类似肤色的背景,使肤色分割更准确,提出了颜色方差直方图（CDH）概念.由于选择最佳阈值的过程没有使用迭代算法,因此选择最佳阈值进行图像分割速度非常快,完全满足实时应用的要求.实验结果表明：本文方法比固定闽值法有更好的应用效果.     

一种改进的自适应肤色检测算法

针对Hsu R L的肤色检测方法的不足，提出了一种改进的自适应肤色检测算法。用白平衡算法取代了Hsu R L的光线补偿方法，从而较好地解决了由光照引起的图像彩色偏移，使得检测结果更加稳健。在Hsu R L的统计模型的基础上，提出了一种自适应检测算法，该算法根据肤色值在非线性变换后的色度空间的二维直方图分布，自动确定肤色模型的位置，从而能更加准确地描述肤色在一幅图像中的分布情况。并将该算法用于彩色视频图像中的人脸检测，实验结果表明，该算法比Hsu R L的方法更能取得满意的检测效果。     

JPEG图像压缩域上的自适应人体皮肤区域检测算法

快速而准确地检测图像中的人体皮肤区域在人脸检测、敏感图像过滤等应用中有重要价值．为了提高肤色检测的精度和速度，提出了一种在JPEG图像压缩域上的基于自适应闽值的人体皮肤区域检测算法．该算法的优点在于：①检测过程中能根据图像内容自适应地调节检测阈值，有效防止误检和漏检；②无需完全解压缩JPEG图像，直接在DCT系数域上计算每个图像块的颜色和纹理特征，利用颜色和纹理特征来检测图像块是否为人体皮肤．与现有肤色检测算法的对比实验表明我们的方法具有很好的准确性和很快的速度．     

彩色图像中人脸检测的研究

提出了一种基于色彩信息的由粗到细的人脸检测方法。首先应用肤色模型快速得到人脸候选区域;然后采用基于自适应的阈值选择策略对图像进行肤色分割,弥补了以往固定阈值的漏检和误检的缺陷;接着使用了一种基于先验知识的混合人脸验证方法,从而有效地检测出人脸。实验证明该方法可以有效地应用于多人脸、不同尺度和复杂背景的情况,具有良好的检测效果。     

一种使用邻接信息的自适应肤色检测方法

本文提出了一种使用邻接信.E-的白适应肤色检测方法.先在HSV空间对图像使用SPDH方法以寻找最优的肤色阈值并以此对进行初步肤色分割;然后再通过使用邻接信息的空间扩散法对初步判定的肤色像素进行处理,最终得到肤色像素.实验结果表明,该方法对复杂背景和不同光照下的肤色检测都有较好效果.     

结合知识规则和多分辨率分级模型的快速肤色检测算法

为了快速进行肤色检测，根据肤色高斯分布特征建立了由一系列肤色先验知识规则组成的肤色知识库，并提出了一种多分辨率分级肤色检测模型，将两者相结合从而在空间域建立了一种融合多级分辨率肤色检测结果的快速肤色检测算法．实验结果表明，这种快速肤色检测算法的肤色检测效果与直接肤色检测方法相当，而检测速度却可以提高数十倍．     

基于积分图和粒子群优化的肤色分割

为了更快地将肤色区域从图像中分割出来,在二维Ostu方法的基础上,提出了一种将积分图和粒子群优化相结合用于寻找最优分割阈值点的新方法。该方法通过对经过颜色补偿后的图片在YCbCr颜色空间中用二维高斯肤色模型计算肤色概率图,根据二维Ostu算法确定粒子群优化的目标函数,将积分图的方法用于粒子群优化中目标函数的计算,在有效地获取最佳阈值点的同时减少了计算量。实验表明,该方法能有效并且快速地分割出肤色区域。     

一种新的肤色相似度图自适应阈值选取方法

针对复杂背景图像,基于肤色相似度直方图最低波谷自适应阈值选取法分割提取肤色区域效果不理想,提出第一波谷自适应阈值选取法.实验结果表明,该方法对复杂背景图像的肤色区域分割提取效果较为理想.     

彩色视频序列图像中的人脸跟踪方法

针对彩色视频序列图像的人脸检测，提出了一种基于肤色的人脸跟踪方法。该方法首先在Hsu提出的肤色模型基础上，采样一种自肤色分割算法来提取复杂背景下人脸的肤色特征，与传统的采用固定肤色模型的检测算法相比，该方法具有更好的检测效果；然后，在人脸跟踪过程中采用Condensation滤波跟踪算法，并对算法做了两点改进，即在跟踪过程中采用基于Metropolis算法的重采样方法以及自适应的动态模型，实现了复杂背景下的人脸自由运动的跟踪，并从各种影片中截取了彩色视频序列图像进行了测试实验。实验结果表明，该方法有效地解决了复杂背景下人脸自由运动、光照变化及部分遮挡的问题，且精度较高。     

基于YCgCr颜色空间的不良图像肤色检测

针对目前互联网图像内容过滤系统识别率低的情况,提出了一种基于YCgCr空间的不良图像肤色检测方法。首先检测图像中可能存在的人脸区域,利用人脸肤色像素来检测获得人体肤色,其次对不含人脸图像,则利用离线构建的肤色模型来实现肤色检测。实验结果证明,在不同光照以及复杂背景下,该算法能够较好地提高不良图像的肤色检测率和背景检测率。     

基于IGA与GMM的图像多阈值分割方法*

为了实现图像的有效分割,提出了一种自适应多阈值图像分割方法,能够自动获得最佳分割阈值数目和阈值。该方法对灰度直方图进行合适尺度的连续小波变换,将小波变换曲线中幅值为负的波谷点构成阈值候选集;再应用免疫遗传算法从阈值候选集中选取准阈值,准阈值的个数对应为最佳分割类数;根据准阈值构建灰度直方图的高斯混合模型,由最小误差准则求得分割阈值。仿真实验表明,该方法能够实现图像的自动多阈值分割,能够得到很好的分割结果且分割效率高,在多目标图像分割中能够得到很好的应用。     

复杂光照下DPM图像自适应多阈值分割方法研究

复杂工况下,CCD相机采集到的DPM（Direct Part Mark）工业二维码图像受光照影响易出现大片光斑或阴影区域,造成DPM区域的信息遗漏,从而导致识别困难。为此,提出一种基于分段直方图凹度分析的多阈值自适应分割算法。首先在灰度直方图平滑的基础上计算出系列局部峰值,并借此完成直方图分段,再递推计算出每分段区域下凹处的分割阈值。其次通过引入基于阈值点局部区域信息的修正因子,使分割阈值自适应变化而更适用于局部对比度较低的状况。实验结果表明,该方法分割效果优于经典的阈值分割算法,平均运行效率比最快的多阈值分割算法提高17.75倍。经自适应局部阈值分割后,DPM图像复杂光照区域有用信息得以增强,缺失信息得以弥补,为后续的对象识别奠定基础。该方法也可推广于对比度多变的图像增强。     

一种基于Harris和图像对比度的角点检测方法

目前各种角点检测方法,对于不同的图像需要选取不同的阈值才能保证结果的精确度,而阈值的选取是比较麻烦的.此处提出了一种通用的方法,通过适当改变图像直方图增大图像对比度,再使用固定阈值的Harris方法对图像中的角点进行提取.该方法解决了阈值选取困难的问题,实验结果表明该方法有效提高了结果的精度,在很多场合比较适合.     

基于动态阈值的帧复制粘贴篡改检测

帧复制粘贴是一种常见的时域篡改方式,篡改者采用这种方式来移除视频中某段内容,如犯罪现场、犯罪证据等.针对这种篡改,已经有不少方案被提出,但是它们有两个缺点：一采用固定的阈值;二时间复杂度很高.大部分被篡改视频会经过再压缩处理,由于视频压缩基本是有损压缩,可能会导致固定阈值失去应有作用.因此,本文提出一种基于动态阈值的被动取证算法,来增强算法的鲁棒性,并且通过引入字典排序算法来缩小帧匹配时的搜索范围,成功降低了时间复杂度.文章采用精确度、召回率和平均每帧计算时间来对提出算法的性能进行评估,结果表明本算法在这三方面都优于其他算法,而且具有更好的鲁棒性.     

Some experiments on variable thresholding

Chow and Kaneko proposed a method of variable thresholding in which an image is divided into windows; thresholds are selected for those windows that have bimodal histograms; and these thresholds are interpolated to define a variable threshold for the entire image. This method was applied to several TV images of machine parts; the results obtained appeared to be considerably better than the results of thresholding at a fixed level. An extension of the method was defined that allowed histograms to be either bimodal or trimodal; this yielded some further improvement in the results, but was also more sensitive to shadows. Finally, an adaptive quantization scheme, based on histogram peak sharpening, was applied to two of the images; the results do not seem to be as good as those obtained using variable thresholding.     

基于自动选取最佳阈值的X光图像快速分割方法*

为实现对数字X光图像进行快速分割,提出一种针对直方图的包络特征进行处理的新方法.该方法采用分水岭算法对数字X光图像的直方图一维信号进行处理.首先计算出图像的直方图,然后对直方图进行形态学滤波,提取出直方图的包络.在此基础上对直方图的包络采用分水岭算法自动提取出最佳阈值.用提取出的阈值进行基于阈值的初步分割,然后进一步采用基于标记的分水岭算法对初步分割的二值图像作进一步分割.通过实验表明,采用该方法可以有效地分割大幅X光图像.     

基于二维最大熵原理和改进遗传算法的图像阈值分割

传统的最佳直方图熵法对低信噪比图像的分割效果不理想,而二维最大熵法充分利用了像素的灰度分布信息和像素间的空间相关信息,提高了阈值分割的抗噪性能.本文对二维最大熵法进行了详细阐述和推导,对遗传算法进行了一系列改进,提出了一种新的类抛物线型变异算子.实验结果表明,二维最大熵法具有较强的鲁棒性,同时改进的遗传算法能够快速收敛到最佳分割阈值,其优化效果十分明显.     

Segmentation of Different Skin Colors with Different Lighting Conditions by Combining Graph Cuts Algorithm with Probability Neural Network Classification, and its Application

It is realized that fixed thresholds mostly fail in two circumstances as they only search for a certain range of skin color: (i) any skin-like object may be classified as skin if skin-like colors belong to fixed threshold range; (ii) any true skin for different races may be mistakenly classified as non-skin if that skin colors do not belong to fixed threshold range. In this paper, graph cuts (GC) is first extended to skin color segmentation. Although its result is acceptable, a complex environment with skin-like objects or different skin colors or different lighting conditions often results in a partial success. It is also known that probability neural network (PNN) has the advantage of recognizing different skin colors in cluttered environments. Therefore, many images with skin-like objects or different skin colors or different lighting conditions are segmented by the proposed algorithm (i.e., the combination of GC algorithm and PNN classification with other functions, e.g., morphology filtering, labeling, area constraint). The compared results among GC algorithm, PNN classification, and the proposed algorithm are presented not only to verify the accurate segmentation of these images but also to reduce the computation time. Finally, the application to the classification of hand gestures in complex environment with different lighting conditions further confirms the effectiveness and efficiency of our method.     

改进的红外图像2维Otsu分割算法

针对红外图像有别于一般灰度图像的特点,常用的灰度级平均灰度级2维直方图区域划分在红外图像分割中效果不佳,为此提出一种改进的灰度级梯度2维Otsu阈值选取方法,选取合适的梯度算子,利用改进的粒子群优化算法寻找分割阈值,在算法中加入有效判断早熟停滞的方法,一旦检索到早熟迹象,便随机改变最优解的任意1维分量值,使其跳出局部最大,实现全局寻优过程的快速收敛。仿真实验结果表明,该算法由于使用新的2维直方图,分割后的红外图像边界形状准确,特征细节清晰,运算速度也得到了有效提高。